SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI智能体kaeru

kaeru

kaeru 是一个面向 LLM 智能体的跨智能体认知记忆引擎，使用存储在 CozoDB 中的类型化属性图，为多会话、多智能体协作提供连续性。它采用本地优先设计，默认数据留在本机，也可选通过 kaeru-cloud 在可信团队间共享。系统分为两层：认知层（运营/海马体）用于智能体活跃思考时的情景、草稿、假设、实验和审计事件；回忆层（归档/皮层）用于已沉淀的想法、成果、摘要和引用。所有节点与边都是双时态的，原生存储断言与撤回历史，支持时间旅行查询和非破坏性冲突解决。智能体通过 MCP 工具（如 awake、recall、drill、claim、synthesise、at、history、settle 等约 70 个原语）按需调用，kaeru 只提示不强制。每个项目（initiative）拥有独立子图，awake 可按记忆层级（Core → Hot → Warm）恢复工作集并呈现已沉淀知识。支持推理链保存与回放（chain/why）、自我维护（reflect）、角色槽位（slot）、跨智能体共享、结构化检索、Markdown 导出等。当前为 1.0 前 alpha 版本，底层为单二进制嵌入式 CozoDB（RocksDB 后端），智能体通过长期运行的 HTTP MCP 服务连接。

访问官网

工具介绍

用途

kaeru 是一个为 LLM 智能体设计的认知记忆引擎，目标是解决多会话、多智能体协作中的连续性难题。当智能体重新打开一个项目时，它能获得完整上下文：之前思考过什么、任务进展如何、哪些假设待验证、哪些结论已沉淀。名称“蛙（kaeru）”谐音日语“帰る（返回）”和“変える（改变）”，寓意智能体能够返回、回忆并重塑知识。

主要能力

双层图结构：认知层（运营/海马体）承载高速工作图，包括情景、草稿、假设、实验、审计事件；回忆层（归档/皮层）存放已稳定的想法、成果、摘要和引用，主要为读取。settle 将停止变化的节点提升到归档层，保留溯源。

双时态历史：每个节点和边原生记录断言/撤回历史，at 可按当前或任意过去时刻读取节点，冲突解决是非破坏性的——旧版本被标记为失效而非删除。

按项目分层重入：awake 按记忆层级（Core → Hot → Warm）恢复项目工作集，并同时呈现归档皮层中的稳定知识，使持久事实每次会话都能重新进入；surface 可按需触及归档的 Cold/Frozen 层。

推理链：chain 保存两个节点之间的承载加权路径作为可召回轨迹，并附带智能体撰写的摘要；why 读取轨迹。创建时会折叠重复项，rechain 可在图变化后刷新轨迹。

自我维护：reflect 计算整理清单（待链接的孤立节点、逾期任务、陈旧链条、待提升到皮层的已结算工作、共享/云中需用户介入的再平衡项）。后台 hygiene 过程在累积触发时自动调整节点层级，默认开启。

角色槽位：slot 给项目一个由恰好一个活跃节点担任的角色（如交接点、入口点、队列），替换时旧节点归档到 Cold 并链接 supersedes，避免项目出现多个“当前”交接点。

版本提醒：守护进程每天检查一次 GitHub 是否有新版本，若有，下次 awake 会说明当前版本、落后多少发布、该发布的一行理由以及对应安装方式的升级命令。智能体是升级者，执行前会询问。仅一次公开 GET，无标识符，可用 KAERU_MCP_UPDATE_CHECK=0 关闭。

跨智能体共享：本地优先，可选 kaeru-cloud 层让可信团队共享已沉淀知识，通过两道安全门（项目策略 + 确定性秘密守卫）。cloud_recall 搜索共享层，unshare 撤回错误，多云端配置时未命名的调用会被拒绝而非路由到默认。

结构化召回：精确名称查找、类型化遍历 walk/drill/trace、between、FTS 模糊回退。每次读取都带有节点断言时间；未完全匹配的读取会提示继续深入的动词。名称无法解析时会说明三种情况之一：存在于其他项目、存在相近项、或不存在。

重入时的回读：awake 恢复已触及的内容和仍待处理的事项：逾期任务优先、待裁决的声明、已保存轨迹及其摘要。共享项目会提示本地答案可能不完整。

其他：项目管理（重命名/删除项目、将节点附加到其他项目）、Markdown 导出（Obsidian 友好快照）。

使用方式

kaeru 以单二进制形式运行，底层嵌入 CozoDB（RocksDB 后端），vault 是本地文件树。守护进程 kaeru-mcp 是长期运行的 HTTP 服务，每台机器一个守护进程拥有底层存储，任意数量的智能体会话（Claude Code、Opencode、Cursor 等）可并发连接——这是因为 RocksDB 是单写入者，stdio MCP 每会话 fork 子进程会遭遇锁竞争。

连接 MCP 智能体：

  • 运行守护进程（或使用 contrib/install/ 的 systemd 用户单元）
  • Claude Code：claude mcp add --transport http kaeru http://127.0.0.1:9876/mcp，另见 skills/kaeru-skill/ 的可移植系统提示规则
  • 检查记忆优先（Claude Code 和 Codex）：contrib/hooks/kaeru-first/ 是智能体即将向用户提问时的 harness 钩子，若最近未读取 kaeru 会先让智能体搜索一次，然后捕获用户答案
  • Opencode：bash contrib/opencode/install-opencode.sh，会连接守护进程、将 AGENTS.kaeru.md 规则放入 ~/.config/opencode/，并安装 /kaeru、/lesson、/recall 斜杠命令
  • Cursor 及其他运行时：将 skills/kaeru-skill/SKILL.md 正文粘贴到智能体的规则/系统提示部分；MCP 感知客户端可直接使用上述守护进程 URL

重启后智能体可原生看到 awake、drill、claim、at 等工具，每个工具接受可选的 initiative 参数。

无网络构建：部分机器无法访问 crates.io，各发布版依赖被 vendored 到独立仓库 LamantinAI/kaeru-vendor，每个发布一个标签。无论是否离线，cozo 从 C++ 构建 RocksDB、从 C 构建 zstd/lz4，因此需要 C++ 工具链和 libclang，详见 docs/offline-build.md。

本地与云端：默认本地优先，vault 在用户机器上，默认不离开。可选第二层 kaeru-cloud 供可信群体共享。每个项目携带粘性 share_policy：private（默认）永不离开；team 允许显式标记共享的节点同步到云。共享永不自动，需通过项目策略和确定性预共享秘密守卫两道门。相关动词：policy、share、cloud_recall、pull、link_cloud/cloud_links、sync_review。捕获动词（episode/jot/cite）接受 visibility: shared 一步捕获并共享。单个守护进程可通过 clouds.toml 访问多个命名云。

适用场景

  • 多会话项目连续性：智能体重新进入项目时恢复完整工作上下文
  • 多智能体协作：团队中智能体和人员在同一记忆上互相构建
  • 需要时间旅行查询和溯源链的长期知识管理
  • 可信团队内共享已沉淀知识（通过 kaeru-cloud，可选）
  • 需要审计和冲突非破坏性解决的工作流

限制与当前状态

  • 当前为 1.0 前 alpha 版本，底层 schema 可能在小版本间变化，需要保留笔记时建议导出为 markdown。
  • 检索为结构化优先，目前没有向量/嵌入层；Cozo 支持 HNSW 但 kaeru 未接线，向量回退是可能的未来工作而非当前功能。
  • 云端多租户/每用户或每组织隔离为未来功能；当前每个云是一个由项目作用域限定的共享空间。
  • 跨项目链接（跨项目边和召回）为未来功能；当前按项目作用域是刻意设计，attach 已允许节点同时属于多个项目。
  • PostgreSQL 后端、项目引导简报为未来计划。
  • kaeru-rig 是 rig 框架适配器（完整 curator 动词集作为 rig Tool 运行在嵌入的 Arc<Store> 上）；kaeru-langchain（Python 桥）尚未开始。
  • 默认 vault 路径：Linux $XDG_DATA_HOME/kaeru，macOS ~/Library/Application Support/ai.lamantin.kaeru，Windows %LOCALAPPDATA%\ai.lamantin.kaeru，可用 KAERU_VAULT_PATH 覆盖。卫生功能默认自 0.7.3 起开启，可用 KAERU_MCP_HYGIENE_ENABLE=0 关闭；在 kaeru-rig 中卫生保持 opt-in。
  • 架构上，边承载操作语义（derived_from 支持溯源、contradicts 触发非破坏性 under_review、supersedes 单向撤回前一版本）；audit_event 是一等节点类型，每次变更写入审计节点，与底层 Validity 历史分开。检索通过 junction relation 实现按项目作用域，RocksDB 前缀扫描提供 O(log n + k)。

同类工具

查看分类